پیش بینی دمای سطح سنگ‌زنی خزشی با استفاده از منطق فازی و به کمک روش هدایت حرارتی معکوس (IHCP)

Journal of Modern Processes in Manufacturing and Production

مقاله 5، دوره 1، شماره 1، اردیبهشت 1389، صفحه 21-28   

نوع مقاله: Research Paper

نویسندگان

محمد صدیقی¹؛ علیرضا بابائی²؛ داود افشاری³

¹دانشیار دانشگاه علم و صنعت ایران – دانشکده مکانیک

²دانشجوی کارشناسی ارشد دانشگاه علم و صنعت ایران

³دانشجوی دکترا دانشگاه علم و صنعت ایران

چکیده

هدف از این تحقیق، محاسبه دمای سطح قطعه‌کار حین سنگ‌زنی خزشی به کمک روش هدایت حرارتی معکوس و تاریخچۀ دمایی و پیش‌بینی دمای سطح با استفاده از مدل منطق فازی است. به دلیل عدم امکان دسترسی به ناحیه برش و پاشش مایع خنک‌کار با سرعت بالا بر این ناحیه، امکان اندازه‌گیری تجربی دمای سطح سنگ‌زنی وجود ندارد. بنابراین باید از طریق اندازه‌گیری دما در زیر سطح سنگ‌زنی در گام‌های زمانی معین و بکارگیری روش‌های محاسباتی ویژه و تلفیق آنها با مباحث انتقال حرارت، دمای سطح سنگ‌زنی تخمین زده شود. در این تحقیق دمای زیر سطح سنگ‌زنی حین سنگ‌زنی خزشی قطعه‌کار از جنس سوپر‌آلیاژ پایه کبالت بوسیله سه عدد ترموکوپل به صورت تجربی اندازه‌گیری شد و سپس به کمک روش هدایت حرارتی معکوس و تاریخچۀ دمایی ثبت شدۀ تجربی، دمای سطح سنگ‌زنی محاسبه شد. در ادامه با استفاده از اطلاعات تجربی و منطق فازی مدلی برای پیش‌بینی دمای سطح سنگ‌زنی ایجاد گردید. نتایج حاصل میانگین خطای حدود 3 درصد در مقادیر پیش‌بینی‌ شده توسط مدل پیشنهادی را نشان می‌دهد.

کلیدواژه‌ها

سنگ‌زنی خزشی؛ منطق فازی؛ هدایت حرارتی معکوس؛ پیش‌بینی دما؛ ترموکوپل

مراجع

1- Zhang L.C., Ali Y. M., “A fuzzy model for predicting burns in surface grinding of steel”, Machine Tools & Manufacture, Vol 44, 2004, PP 563-571.

2- Fuh. K.H, Wang. S.B., “ Force Modeling and Forecasting in Creep Feed Grinding Using Improved BP Neural Network”, Int J Mach tools manufact, Vol 37, 1997, pp 1167-1178.

3- Kuriyagawa, T., Syoji, K., Ohshita, H., ‘‘Grinding temperature within contact arc between wheel and workpiece in high-efficiency grinding of ultrahard cutting tool materials,’’ Journal of Materials Processing Technology, Vol. 136, pp. 39-47, 2003.

4-Jin, T., Stephenson, D. J., ‘‘Investigation of the heat partitioning in high efficiency deep grinding,’’ International Journal of Machine Tools & Manufacture, Vol. 43, pp. 1129-1134, 2003.

5-Kim, H. J., Kim, N. K., Kwak, J. S., ‘‘Heat flux distribution model by sequential algorithm of inverse heat transfer for determining workpiece temperature in creep feed grinding,’’ International Journal of Machine Tools & Manufacture, Vol. 46, pp. 2086-2093, 2005.

6Nabil Gindy, Qiang Liu, Xun Chen, “Fuzzy pattern recognition of AE signals for grinding burn”, Machine Tools & Manufacture, Vol 45, 2005, PP 811-818.

7- J.V. Beck , "Inverse Heat Conduction Problem",1985.